Prompting für Claude Fable 5

Dieser Leitfaden behandelt die Prompting- und Scaffolding-Muster, die spezifisch für Claude Fable 5 und Claude Mythos 5 sind. Informationen zu den Fähigkeiten des Modells, API-Änderungen, Preisen und Verfügbarkeit findest du unter Einführung in Claude Fable 5 und Claude Mythos 5. Techniken, die für alle aktuellen Claude-Modelle gelten, findest du unter Best Practices für Prompting.

Claude Fable 5 nimmt sich Probleme vor, die für frühere Modelle zu komplex, zu langwierig oder zu mehrdeutig waren, und ist besonders effektiv bei End-to-End-Arbeiten, für die ein Mensch Stunden, Tage oder Wochen benötigt. Die Teams mit den besten Ergebnissen setzen Claude Fable 5 auf ihre schwierigsten ungelösten Probleme an; es nur an einfacheren Workloads zu testen, unterschätzt tendenziell seinen Fähigkeitsbereich. Es liefert auch bei einfacheren Aufgaben zuverlässige Ergebnisse.

Claude Fable 5 weist mehrere Verhaltensunterschiede zu Claude Opus 4.8 auf, die möglicherweise Anpassungen an Prompts oder Scaffolding erfordern. Fähigkeitsverbesserungen auf diesem Niveau sind auch ein guter Anlass, neu zu bewerten, welche Instruktionen, Tools und Guardrails noch benötigt werden. Die folgenden Muster decken die Verhaltensweisen ab, die am häufigsten eine Feinabstimmung erfordern.



Fähigkeitsverbesserungen

Im Vergleich zu Claude Opus 4.8 zeigt Claude Fable 5 Verbesserungen in folgenden Bereichen:

• Langfristige Autonomie. Claude Fable 5 hält produktive Ausgabe über längere Zeiträume aufrecht und schließt mehrtägige, zielgerichtete Läufe mit starker Instruktionsbeibehaltung über lange, komplexe Aufgaben hinweg ab.
• First-Shot-Korrektheit bei komplexen, gut spezifizierten Problemen. Frühe Tester berichteten von Single-Pass-Implementierungen von Systemen, die zuvor Tage der Iteration erforderten.
• Vision. Claude Fable 5 interpretiert dichte technische Bilder, Webanwendungen und detaillierte Screenshots mit deutlich höherer Genauigkeit, oft bei geringerem Output-Token-Verbrauch, und ist darauf trainiert, Bash- und Crop-Tools zu verwenden, um gespiegelte, unscharfe oder verrauschte Bilder zu verarbeiten.
• Enterprise-Workflows. Claude Fable 5 befolgt Instruktionen, bleibt im Scope und liefert professionelle Ergebnisse bei Finanzanalysen, Tabellenkalkulationen, Präsentationen und Dokumenten.
• Code-Review und Debugging. Die Trefferquote beim Finden von Bugs (außerhalb der Cybersecurity-Domänen, die von den Sicherheitsklassifikatoren abgedeckt werden) ist spürbar höher als bei Claude Opus 4.8, einschließlich der Suche über Codebasen und Repository-Historie hinweg.
• Umgang mit Mehrdeutigkeit. Claude Fable 5 schneidet gut ab, wenn es komplexe, mehrsträngige Anfragen erhält und die nächsten Schritte bestimmen soll.
• Delegation und Zusammenarbeit. Claude Fable 5 ist deutlich zuverlässiger beim Starten und Aufrechterhalten paralleler Subagenten und verwaltet die laufende Kommunikation mit langlaufenden Subagenten und Peer-Agenten zuverlässig.

Über diese spezifischen Verbesserungen hinaus ist Claude Fable 5 bei fast allen Aufgaben generell leistungsfähiger als frühere Modelle. Claude Fable 5 ist nicht für offensive Cybersecurity oder Arbeit in Biologie und Biowissenschaften vorgesehen; Anfragen in diesen Domänen können stop_reason: "refusal" zurückgeben.



Standardmäßig längere Turns

Einzelne Anfragen bei schwierigen Aufgaben können bei höheren Effort-Einstellungen viele Minuten laufen, insbesondere wenn die Aufgabe das Sammeln von Kontext, das Erstellen und die Selbstverifizierung erfordert, und autonome Läufe können sich über Stunden erstrecken. Dies ist eine der größten Umstellungen, auf die Teams bei der Anpassung an Claude Fable 5 stoßen. Passe Client-Timeouts, Streaming und nutzerseitige Fortschrittsanzeigen vor der Migration an und erwäge, Harnesses so umzustrukturieren, dass sie Läufe asynchron überprüfen, zum Beispiel über geplante Jobs, anstatt zu blockieren. Um zu verhindern, dass Claude Fable 5 bei einer mehrdeutigen Aufgabe zu viel plant:

When you have enough information to act, act. Do not re-derive facts already established
in the conversation, re-litigate a decision the user has already made, or narrate
options you will not pursue in user-facing messages. If you are weighing a choice, give
a recommendation, not an exhaustive survey. This does not apply to thinking blocks.



Alle Effort-Stufen in Betracht ziehen

Effort ist die primäre Steuerung für den Trade-off zwischen Intelligenz, Latenz und Kosten bei Claude Fable 5. Verwende high als Standard für die meisten Aufgaben, xhigh für die fähigkeitskritischsten Workloads und medium oder low für Routinearbeit. Niedrigere Effort-Einstellungen bei Claude Fable 5 liefern weiterhin gute Ergebnisse und übertreffen oft die xhigh-Leistung früherer Modelle. Reduziere den Effort, wenn eine Aufgabe zwar abgeschlossen wird, aber länger dauert als nötig, oder wenn du einen schnelleren, interaktiveren Arbeitsstil möchtest.

Bei Routinearbeit mit höherem Effort kann Claude Fable 5 mehr Kontext sammeln und länger abwägen, als die Aufgabe erfordert. Gleichzeitig führt höherer Effort oft zu exzellentem Verifizierungsverhalten, anspruchsvollem Reasoning und der gründlichsten Ausgabe. Um unaufgefordertes Aufräumen oder Refactoring bei höherem Effort zu verhindern:

Don't add features, refactor, or introduce abstractions beyond what the task requires. A
bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a
helper. Don't design for hypothetical future requirements: do the simplest thing that
works well. Avoid premature abstraction and half-finished implementations. Don't add
error handling, fallbacks, or validation for scenarios that cannot happen. Trust
internal code and framework guarantees. Only validate at system boundaries (user input,
external APIs). Don't use feature flags or backwards-compatibility shims when you can
just change the code.



Starke Instruktionsbefolgung

Die Instruktionsbefolgung ist so stark verbessert, dass du die meisten Verhaltensweisen mit einer kurzen Instruktion steuern kannst, anstatt jedes Verhalten einzeln aufzuzählen. Zum Beispiel kann Claude Fable 5 ohne Steuerung über das hinausgehen, was die Aufgabe erfordert, besonders bei höheren Effort-Einstellungen: Optionen durchgehen, die es nicht verfolgen wird, Ursachen ausführlich erklären, stark strukturierte PR-Beschreibungen erstellen oder Kommentare schreiben, die erzählen, was die nächste Zeile tut. Eine kurze Kürze-Instruktion ist genauso effektiv wie das Auflisten jedes einzelnen Musters:

Lead with the outcome. Your first sentence after finishing should answer "what happened"
or "what did you find": the thing the user would ask for if they said "just give me the
TLDR." Supporting detail and reasoning come after. Being readable and being concise are
different things, and readability matters more.

The way to keep output short is to be selective about what you include (drop details
that don't change what the reader would do next), not to compress the writing into
fragments, abbreviations, arrow chains like A → B → fails, or jargon.

Dasselbe gilt für das Checkpoint-Verhalten in langlaufenden Workflows. Damit Claude Fable 5 nur dort anhält, wo es dich wirklich braucht, ist es nicht nötig, jeden Fall aufzuzählen:

Pause for the user only when the work genuinely requires them: a destructive or
irreversible action, a real scope change, or input that only they can provide. If you
hit one of these, ask and end the turn, rather than ending on a promise.



Fortschrittsangaben während langer Läufe absichern

Instruiere Claude Fable 5 bei langen autonomen Läufen, den Fortschritt anhand tatsächlicher Tool-Ergebnisse zu überprüfen. In Anthropics Tests hat dies erfundene Statusberichte nahezu vollständig eliminiert, selbst bei Aufgaben, die darauf ausgelegt waren, solche zu provozieren:

Before reporting progress, audit each claim against a tool result from this session.
Only report work you can point to evidence for; if something is not yet verified, say so
explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step
was skipped, say that; when something is done and verified, state it plainly without
hedging.



Die Grenzen festlegen

Claude Fable 5 kann gelegentlich unaufgeforderte Aktionen ausführen (eine E-Mail entwerfen, obwohl keine angefordert wurde, defensive Git-Branch-Backups erstellen). Definiere explizite Einschränkungen dafür, was Claude Fable 5 tun und nicht tun soll:

When the user is describing a problem, asking a question, or thinking out loud rather
than requesting a change, the deliverable is your assessment. Report your findings and
stop. Don't apply a fix until they ask for one. Before running a command that changes
system state (restarts, deletes, config edits), check that the evidence actually
supports that specific action. A signal that pattern-matches to a known failure may have
a different cause.



Parallele Subagenten

Claude Fable 5 startet parallele Subagenten bereitwilliger als frühere Modelle. Nutze Subagenten häufig, gib explizite Anleitung dazu, wann Delegation angemessen ist, und bevorzuge asynchrone Kommunikation zwischen Orchestrator und Subagenten gegenüber dem Blockieren, bis jeder Subagent zurückkehrt. Langlebige Subagenten, die ihren Kontext über Teilaufgaben hinweg behalten, sparen Zeit und Kosten durch Cache-Reads und vermeiden einen Engpass beim langsamsten Subagenten.

Delegate independent subtasks to subagents and keep working while they run. Intervene
if a subagent goes off track or is missing relevant context.



Ein Memory-System aufbauen

Claude Fable 5 schneidet besonders gut ab, wenn es Erkenntnisse aus früheren Läufen festhalten und darauf zurückgreifen kann. Stelle einen Ort zum Schreiben von Notizen bereit, so einfach wie eine Markdown-Datei:

Store one lesson per file with a one-line summary at the top. Record corrections and
confirmed approaches alike, including why they mattered. Don't save what the repo or
chat history already records; update an existing note rather than creating a duplicate;
delete notes that turn out to be wrong.

Um das Memory-System aus vorhandener Historie zu initialisieren, lass Claude Fable 5 vergangene Sessions durchgehen:

Reflect on the previous sessions we've had together. Use subagents to identify core
themes and lessons, and store them in [X]. Make sure you know to reference [X] for
future use.



Seltene Fälle von vorzeitigem Stoppen

Tief in einer langen Session kann Claude Fable 5 gelegentlich einen Turn mit einer reinen Text-Absichtserklärung beenden („Ich werde jetzt X ausführen"), ohne den entsprechenden Tool-Aufruf auszugeben, oder pausieren, um um Erlaubnis zu bitten, obwohl es bereits genug hat, um fortzufahren. Ein „continue" oder „go ahead and do it end to end" genügt. Um zu definieren, wann Pausieren angemessen ist, kombiniere dies mit der Checkpoint-Instruktion in Starke Instruktionsbefolgung. Für autonome Pipelines füge eine System-Erinnerung hinzu:

You are operating autonomously. The user is not watching in real time and cannot answer
questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For
reversible actions that follow from the original request, proceed without asking.
Offering follow-ups after the task is done is fine; asking permission after already
discussing with the user before doing the work is not. Before ending your turn, check
your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or
a promise about work you have not done ("I'll…", "let me know when…"), do that work now
with tool calls. End your turn only when the task is complete or you are blocked on
input only the user can provide.



Seltene Fälle von Kontext-Budget-Bedenken

In sehr langen Sessions kann Claude Fable 5 gelegentlich eine neue Session vorschlagen, anbieten, zusammenzufassen und zu übergeben, oder seine eigene Arbeit kürzen. Dies wird am häufigsten ausgelöst, wenn das Harness dem Modell einen Countdown der verbleibenden Token anzeigt. Vermeide es nach Möglichkeit, explizite Kontext-Budget-Zählungen anzuzeigen. Wenn das Harness sie anzeigen muss, hilft eine Beruhigung:

You have ample context remaining. Do not stop, summarize, or suggest a new session on
account of context limits. Continue the work.



Den Grund angeben, nicht nur die Anfrage

Claude Fable 5 schneidet tendenziell besser ab, wenn es die Absicht hinter einer Anfrage versteht: Kontext ermöglicht es ihm, die Aufgabe mit relevanten Informationen zu verknüpfen, anstatt die Absicht selbst zu erschließen. Gib Kontext dazu, warum du fragst, besonders bei langlaufenden Agenten, die auf mehrere Arbeitsstränge zurückgreifen:

I'm working on [the larger task] for [who it's for]. They need [what the output
enables]. With that in mind: [request].



Lesbarkeit bei der Kommunikation mit dem Nutzer

In ausgedehnten oder agentischen Konversationen (viele Tool-Aufrufe, großer Arbeitskontext) kann Claude Fable 5 Text produzieren, der schwer zu folgen ist: dichte Pfeilketten-Kurzschrift, tiefe Implementierungsdetails, Verweise auf Denkprozesse, die der Nutzer nie gesehen hat, oder übermäßig technische Formulierungen. Ein Zusatz zum Kommunikationsstil mildert dies ab:

Terse shorthand is fine between tool calls (that's you thinking out loud, and brevity
there is good). Your final summary is different: it's for a reader who didn't see any of
that.

If you've been working for a while without the user watching (overnight, across many
tool calls, since they last spoke), your final message is their first look at any of it.
Write it as a re-grounding, not a continuation of your working thread: the outcome
first, then the one or two things you need from them, each explained as if new. The
vocabulary you built up while working is yours, not theirs; leave it behind unless you
re-introduce it.

When you write the summary at the end, drop the working shorthand. Write complete
sentences. Spell out terms. Don't use arrow chains, hyphen-stacked compounds, or labels
you made up earlier. When you mention files, commits, flags, or other identifiers, give
each one its own plain-language clause. Open with the outcome: one sentence on what
happened or what you found. Then the supporting detail. If you have to choose between
short and clear, choose clear.



Ein Send-to-User-Tool erstellen

Wenn du lange, asynchrone Agenten ausführst, gib dem Agenten eine Möglichkeit, eine Nachricht anzuzeigen, die der Nutzer genau wie geschrieben sehen muss, ohne seinen Turn zu beenden: ein Deliverable (ein generiertes Code-Snippet oder eine entworfene Nachricht), ein Fortschritts-Update mit konkreten Zahlen oder eine direkte Antwort auf eine Frage, die der Nutzer mitten in der Schleife gestellt hat. Der Input des Tools ist die anzuzeigende Nachricht; wenn Claude es aufruft, rendere den Input direkt in deiner UI und gib eine einfache Bestätigung als tool_result zurück. Tool-Inputs werden nie zusammengefasst, sodass der Inhalt unverändert ankommt.

{
  "name": "send_to_user",
  "description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
  "input_schema": {
    "type": "object",
    "properties": {
      "message": {
        "type": "string",
        "description": "The content to display to the user."
      }
    },
    "required": ["message"]
  }
}

Füge dieses Tool hinzu, wann immer deine UX davon abhängt, Inhalte oder direkte Nutzerinteraktionen wortgetreu mitten in der Aufgabe zu liefern. Für Agenten, die nur routinemäßigen Fortschritt erzählen, sind die eigenen Zusammenfassungen des Modells in der Regel ausreichend.



Empfohlene Scaffolding-Änderungen

• Beginne am oberen Ende deines Schwierigkeitsbereichs. Wähle eine Aufgabe, die schwieriger ist als das, was du früheren Modellen zuweisen würdest, und lass Claude Fable 5 sie eingrenzen, klärende Fragen stellen und ausführen.
• Mache Selbstverifizierung in Long-Run-Prompts explizit. Separate Verifier-Subagenten mit frischem Kontext übertreffen tendenziell Selbstkritik. Für langlaufende Aufgaben instruiere: Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.
• Überarbeite bestehende Prompts und Skills. Skills, die für frühere Modelle entwickelt wurden, sind für Claude Fable 5 oft zu präskriptiv und können die Ausgabequalität verschlechtern. Überprüfe ältere Instruktionen und erwäge, sie zu entfernen, wenn die Standardleistung besser ist. Claude Fable 5 ist auch gut darin, Skills spontan zu aktualisieren, basierend auf dem, was es aus der aktuellen Aufgabe lernt.
• Instruiere Claude nicht, sein Reasoning in der Antwort zu reproduzieren. Prompts, Skills oder Harness-Instruktionen, die dem Modell sagen, sein internes Reasoning als Antworttext wiederzugeben, zu transkribieren oder zu erklären, können bei Claude Fable 5 die reasoning_extraction-Refusal-Kategorie auslösen und zu erhöhten Fallbacks auf Claude Opus 4.8 führen. Überprüfe bestehende Skills und System-Prompts bei der Migration auf Reflexions- oder Show-your-thinking-Instruktionen. Wenn deine Anwendung Einblick in das Reasoning benötigt, lies stattdessen die strukturierten thinking-Blöcke aus dem adaptiven Denken und verwende ein , um Fortschritt während langer Läufe anzuzeigen.